第六章 差分方程与代数方程模型
第六章 差分方程与代数方程模型
离散时间点描述研究对象的动态变化。实际问题本身以离散形式出现,建立差分方程模型可解决一些实际问题,如研究对象随离散时间的变化规律。
而不考虑时间因素做静态问题处理时,可以建立代数方程模型。
两个模型求解过程(矩阵、向量的数学表达形式)类似,结合学习。
基础知识:差分方程的类型、求解及稳定性
1.贷款问题 |等额本息贷款、等额本金贷款
等额本息贷款
等额本息贷款:每月归还的本息金额相同
建模
每月还款金额为a,贷款总额为x0,月利率为r,第k月还款后尚欠金额为xk,贷款期限为n,则
xk=xk−1(r+1)−a,k=1,2,⋅⋅⋅,nx_k=x_{k-1}(r+1)-a,k=1,2,···,n xk=xk−1(r+1)−a,k=1,2,⋅⋅⋅,n
递推得
xn=x0(1+r)n−a(1+r)n−1rxn=0x_n=x_0(1+r)^n-a{{(1+r)^n-1}\over r} \\x_n=0 xn=x0(1+r)n−ar(1+r)n−1xn=0
等额本金贷款
每月归还同等数额的本金,加上所欠本金的总利息
同样有差分方程
xk=xk−1−x0rn,k=2,3,⋅⋅⋅,nxk=x0n+x0(1−k−1n)r,k=1,2,⋅⋅⋅,nx_k=x_{k-1}-{x_0r\over n},k=2,3,···,n\\x_k={x_0\over n}+x_0(1-{{k-1}\over n})r,k=1,2,···,n xk=xk−1−nx0r,k=2,3,⋅⋅⋅,nxk=nx0+x0(1−nk−1)r,k=1,2,⋅⋅⋅,n
比较两种方式有结论:等额本金还款总额小于等额本息还款
2.物价波动
设第k个时段商品数量为xk,价格为yk
按照经济规律,k时段的价格与消费者当前需求决定;k时段的商品数量由上一时段的价格决定。
价格与商品数量在平衡值上下波动,价格与商品数量的偏离值成(正\反)比关系
有差分方程组
yk−y0=−α(xk−x0),k=1,2⋅⋅⋅,xk+1−x0=β(yk−y0),k=1,2⋅⋅⋅,y_k-y_0=-α(x_k-x_0),k=1,2···,\\x_{k+1}-x_0=β(y_k-y_0),k=1,2···, yk−y0=−α(xk−x0),k=1,2⋅⋅⋅,xk+1−x0=β(yk−y0),k=1,2⋅⋅⋅,
可以递推解出方程
xk+1−x0=−(αβ)k(x1−x0)x_{k+1}-x_0=-(αβ)^k(x_1-x_0) xk+1−x0=−(αβ)k(x1−x0)
比例系数α和β可以得到进一步解释:α反应消费者需求的敏感程度;β反应生产者对价格的敏感程度。
3. Leslie模型
按年龄分组的种群增长模型
模型假设
- 按年龄大小等间隔地分为n个年龄组;与之相对应的,将时间也分成年龄组区间大小相等的时段。
- 繁殖率与死亡率不随时段变化,与年龄组有关
模型建立
xi(k):第i个年龄组第k个时段的种群数量
bi:第i个年龄组的繁殖率
di:第i个年龄组的死亡率,则si=1-di为存活率
第一个年龄组的k+1时段的数量是各个年龄组第k个时段的繁殖数量之和
x1(k+1)=∑i=1nbixi(k),k=0,1,2⋅⋅⋅x_1(k+1)=\sum_{i=1}^n{b_ix_i(k)},\ k=0,1,2··· x1(k+1)=i=1∑nbixi(k), k=0,1,2⋅⋅⋅
k时段的i年龄组在k+1时段演变成i+1年龄组
xi+1(k+1)=sixi(k)x_{i+1}(k+1)=s_ix_i(k) xi+1(k+1)=sixi(k)
上述两式构成种群增长模型
矩阵分布形式
x(k)=[x1(k)x2(k)x3(k)⋯xn(k)]T\mathbf x(k)=\begin{bmatrix} x_1(k) & x_2(k) & x_3(k) & \cdots&x_n(k) \end{bmatrix}^T x(k)=[x1(k)x2(k)x3(k)⋯xn(k)]T
繁殖率与存活率形成如下矩阵
L=[b1b2⋯bn−1bns10⋯000s2⋯00⋮⋮⋮⋮00⋯sn−10]\mathbf L= \begin{bmatrix} b_1&b_2&\cdots&b_{n-1}&b_n\\ s_1&0&\cdots&0&0\\ 0&s_2&\cdots&0&0\\ \vdots&\vdots&\ &\vdots&\vdots\\ 0&0&\cdots&s_{n-1}&0 \end{bmatrix} L=⎣⎢⎢⎢⎢⎢⎡b1s10⋮0b20s2⋮0⋯⋯⋯ ⋯bn−100⋮sn−1bn00⋮0⎦⎥⎥⎥⎥⎥⎤
增长模型可以简洁表示为矩阵向量形式
x(k+1)=Lx(k)x(k)=Lkx(0)\mathbf x(k+1)=\mathbf {Lx}(k)\\\mathbf x(k)=\mathbf {L^kx}(0) x(k+1)=Lx(k)x(k)=Lkx(0)
L矩阵称为Leslie矩阵,上述矩阵等式称为Leslie模型
饲养动物种群的持续稳定模型
hi:第i年龄组种群收获系数,表示收获量占总量的比例。持续稳定收获,增长量等于收获量
xi(k+1)−xi(k)=hixi(k+1)x_i(k+1)-x_i(k)=h_ix_i(k+1) xi(k+1)−xi(k)=hixi(k+1)
hi的对角矩阵
H=[h10⋯00h1⋯0⋮⋮⋮00⋯hn]\mathbf H=\begin{bmatrix} h_1&0&\cdots&0\\ 0&h_1&\cdots&0\\ \vdots&\vdots&&\vdots\\ 0&0&\cdots&h_n \end{bmatrix} H=⎣⎢⎢⎢⎡h10⋮00h1⋮0⋯⋯⋯00⋮hn⎦⎥⎥⎥⎤
矩阵向量形式
x(k+1)−x(k)=Hx(k+1)\mathbf {x(k+1)-x(k)=Hx(k+1)} x(k+1)−x(k)=Hx(k+1)
进一步化为
Lx(k)−x(k)=HLx(k)x=(L−HL)x=L′x\mathbf{Lx(k)-x(k)=HLx(k)}\\ \mathbf{x=(L-HL)x=L'x} Lx(k)−x(k)=HLx(k)x=(L−HL)x=L′x
得到持续收获的条件
4. Logistic模型|离散形式 差分方程
信息传播
记总人数为N,第k天已获知信息的人数为pk,传播率为c(类比SI模型)
可以得到差分方程
pk+1−pk=cpk(N−pk)p_{k+1}-p_k=cp_k(N-p_k) pk+1−pk=cpk(N−pk)
如果考虑认为干预,被制止传播谣言的人不在听信,可以理解为退出信息系统(SIR模型)
设干预的比例常数为a,第k天退出系统的人数为qk
qk+1−qk=apkpk+1−pk=cpk(N−qk−pk)−apkq_{k+1}-q_k=ap_k\\p_{k+1}-p_k=cp_k(N-q_k-p_k)-ap_k qk+1−qk=apkpk+1−pk=cpk(N−qk−pk)−apk
5.量纲分析法 |量纲齐次原则
量纲齐次原则
π定理
设m个有量量纲的物理量qm,之间存在与量纲单位选取无关的物理定律,数学上表示为
f(q1,q2,⋅⋅⋅,qm)=0f(q_1,q_2,···,q_m)=0 f(q1,q2,⋅⋅⋅,qm)=0
若基本量纲记作Xn,qm的量纲可表示为
[qj]=∏i=1nXiaij,j=1,⋅⋅⋅,m[q_j]=\prod^n_{i=1}{X}_i^{a_{ij}},j=1,···,m [qj]=i=1∏nXiaij,j=1,⋅⋅⋅,m
设矩阵A为量纲矩阵
A=(aij)n×mA=(a_{ij})_{n×m} A=(aij)n×m
若A的秩
RankA=rRank\ A=r Rank A=r
设齐次线性方程组
AY=0,Y=(y1,y2,⋅⋅⋅,ym)TAY=0,Y=(y_1,y_2,···,y_m)^T AY=0,Y=(y1,y2,⋅⋅⋅,ym)T
它的m-r个基本解记为
y(s)=(y1(s),y2(s),⋅⋅⋅,ym(s))T,s=1,2,⋅⋅⋅,m−ry^{(s)}=({y}_1^{(s)},{y}_2^{(s)},···,{y}_m^{(s)})^T,s=1,2,···,m-r y(s)=(y1(s),y2(s),⋅⋅⋅,ym(s))T,s=1,2,⋅⋅⋅,m−r
则存在m-r个互相独立的无量量纲
πs=∏j=1mqjyj(s),s=1,2,⋅⋅⋅,m−rπ_s=\prod^m_{j=1}q_j^{y_j^{(s)}},s=1,2,···,m-r πs=j=1∏mqjyj(s),s=1,2,⋅⋅⋅,m−r
且有
F(π1,π2,⋅⋅⋅,πm−r)=0F(π_1,π_2,···,π_{m-r})=0 F(π1,π2,⋅⋅⋅,πm−r)=0
F为待定函数
结合实例容易理解
例:原子弹能量估计
量纲分析的局限性
一些物理公式常常含有的三角函数、指数函数等是不能用量纲分析所得到的,因为这些函数的自变量和因变量都是无量纲的
6. CT技术图像重建|代数模型
数学原理
根据X射线入射与出射的光线强度的衰减,得到各个断面对X射线的衰减系数,进一步推算得到反映人体器官和组织的大小、形状、密度的图像,即图像重建。
设衰减系数为μ,由于光线入射到不同位置时,某一平面的衰减系数是不同的,若在该平面构建xy坐标系,可以得到u(x,y)函数,当射线沿直线L穿行时,光强与衰减系数遵循如下规律:
I=I0e−∫Lμ(x,y)dl∫Lμ(x,y)dl=lnI0II=I_0e^{-\int_Lμ(x,y)dl} \\\int_Lμ(x,y)dl=ln{I_0\over I} I=I0e−∫Lμ(x,y)dl∫Lμ(x,y)dl=lnII0
代数模型
将待测平面图形分成若干小正方形,称为像素。
设有m个像素(记j=1,2,···,m),n束射线(记i=1,2,···,n),第i束射线记作Li
∑j∈J(Li)μjΔlj=lnI0I\sum_{j∈J(L_i)}μ_jΔl_j=ln{I_0\over I} j∈J(Li)∑μjΔlj=lnII0
Δl为射线在像素穿行的长度,J表示射线束穿过像素的集合
求解方法:矩阵向量的数学表示形式(中心线法、面积法、中心法),构成代数方程AX=b
第六章 差分方程与代数方程模型相关推荐
- 第六章 使用scikit-learn构建模型
第六章 使用scikit-learn构建模型 任务6.1 使用sklearn转换器处理数据 6.1.1 加载datasets模块中的数据集 #加载breast_canser数据集 from sklea ...
- 数学建模笔记(九):差分方程与代数方程模型
文章目录 一.概述 1.引例 2.定义(函数的差分) 3.定义(差分方程) 4.差分方程的阶 5.差分方程的解 6.差分方程与微分方程的联系 二.一阶常系数线性差分方程 1.一阶常系数齐次线性差分方程 ...
- 小白入门之HTML--第六章 流动,浮动模型,菜单和页面布局
1.本章面试题 1.1 什么是流动模型 1.2 网页中基本的布局方式有哪些 2.知识点 2.1 上一章内容回顾 上一章我们学习了网页元素的基本分类和盒子模型. 2.2 本章内容重点 本章主要学 ...
- 第十六章:Java内存模型——Java并发编程实战
一.什么是内存模型,为什么要使用它 如果缺少同步,那么将会有许多因素使得线程无法立即甚至永远看到一个线程的操作结果 编译器把变量保存在本地寄存器而不是内存中 编译器中生成的指令顺序,可以与源代码中的顺 ...
- 《人机交互技术》 第六章 人机交互界面的表示模型与实现
第六章 人机交互界面表示模型与实现 1.表示模型(第二版课本P99) 使用人机交互界面的表示模型和形式化的设计语言来分析和表达用户界面的功能以及用户和系统之间的交互情况,并且界面表示模型 ...
- 机器学习理论《统计学习方法》学习笔记:第六章 逻辑斯谛回归与最大熵模型
机器学习理论<统计学习方法>学习笔记:第六章 逻辑斯谛回归与最大熵模型 6 逻辑斯谛回归与最大熵模型 6.1 逻辑斯谛回归模型 6.1.1 逻辑斯谛分布 6.1.2 二项逻辑斯蒂回归模型 ...
- 深入理解Magento – 第六章 – 高级Magento模型
深入理解Magento 作者:Alan Storm 翻译:Hailong Zhang 第六章 – 高级Magento模型 我们讲过Magento有两种模型,简单模型和EAV(Entity Attrib ...
- 《自然语言处理(哈工大 关毅 64集视频)》学习笔记:第六章 markov模型
视频列表: 38 markov模型(一) 39 markov模型(二) 40 markov模型(三) 41 markov模型(四) 42 markov模型(五) 38 markov模型(一) 第六章 ...
- 第六章 DIKW 金字塔模型
第一章 道法术器 第二章 道天地将法 第三章 工具和方法 第四章 抽象的力量 第五章 结构与系统 第六章 DIKW金字塔模型 目录 前言 一.信息 二.知识 三.智慧 总结 前言 全文2000字,预计 ...
最新文章
- 剑指offer:链表中环的入口结点
- android intent例程,Android开发(四)| 探究活动(详解Intent+大量实例)
- adobe photoshop cc 复制css链接
- java的多态是什么意思_Java中的多态是什么?
- 稳定匹配问题——稳定婚姻算法设计
- ffmpeg解码器优化
- python格式字符_python格式字符
- hadoop 替代方案_如何通过比较替代方案做出有效的决定
- NodeJs开发框架fortjs
- 怒肝三个月啃完这110道面试题,跳槽薪资翻倍
- JSJ——主数据类型和引用
- jsp内置对象销毁session
- pdf文件如何生成目录 wps_wps怎么制作pdf文档 wps快速制作pdf文档方法教程
- [GIS教程] 5.3 空间数据组织
- Android机顶盒M1上ANR问题的排查方法和应对方案
- ITSM体系的整体目的
- 【设计模式】设计模式 网站推荐
- oracle的3g_ap route路由器设置,TP-Link TL-MR12U 3G路由器AP模式上网设置
- hdu2197 本源串
- 安装 MySQL 最新版本